LFM3-VL-2B مقابل North Micro Vision Instruct: قارئا مستندات، وجدار ترخيص واحد

الفجوة في الدقة بين LFM3-VL-2B وNorth Micro Vision Instruct حقيقية لكنها صغيرة: نحو 4.6 نقطة في DocVQA و7.1 في OCRBench، وكلاهما في الاتجاه نفسه. والفجوة التي تحسم عمليات النشر ليست اختبارًا معياريًا على الإطلاق. تُتاح North Micro Vision Instruct بموجب Apache 2.0. وتُتاح LFM3-VL-2B بموجب LFM Open License v1.0، الذي لا يرخّص الاستخدام التجاري إلا ما دام كيانك دون 10 ملايين دولار من الإيرادات السنوية.

كلا النموذجين صغيران، وكلاهما مفتوح الأوزان، وقد صُمّم كلاهما لقراءة الصفحات لا للدردشة حول الصور الفوتوغرافية. نُشر أحدهما في أغسطس 2026، وقد مضى شهران على تنزيلاته وعمليات نقله إلى منصات أخرى. أما الآخر فقد ظهر على Hugging Face في 19 أكتوبر، وأُعلن عنه رسميًا في 27 أكتوبر، ولديه 255 عملية تنزيل. لذا فإن هذه المقارنة هي جزئيًا مسألة تتعلق بقياس الأداء، وجزئيًا مسألة تتعلق بأي خطر يمكنك التعايش معه: نموذج لم تُثبت جدارته، أم نموذج بلا ترخيص.

ما هو كل نموذج في الواقع

LFM3-VL-2B هو نموذج كثيف من Liquid AI بحجم 1.92 مليار معلمة: عمود فقري لغوي بحجم 1.73 مليار، ومشفّر رؤية داخلي بحجم 164 مليونًا صُمم ليستخدم حوسبة أقل بنحو ثلاث مرات من SigLIP2، ومُسقِط بحجم 25 مليونًا. يستقبل النص والصور والفيديو بمعدل إطارين في الثانية، ويُخرج النص، ويدعم وضع التفكير، ويحمل سياقًا بسعة 128K، ويغطي 16 لغة. يتضمن المستودع إصدارات BF16 وGGUF وMLX 4-bit وONNX، مع أن دعم llama.cpp لا يزال قيد المراجعة ولا يتضمن مسارًا للفيديو.

North Micro Vision Instruct هو نموذج من Cohere Labs بحجم 2.4B: عمود فقري لغوي بحجم 2B من عائلة North Micro، بالإضافة إلى مُرمِّز بحجم 400M تقريبًا مُستكمَل من SigLIP2 SO400M، مع مُسقِط بأسلوب DeepStack. يستقبل نصًا وصورًا متداخلة بالدقة الأصلية، حتى 1654×2339 — صفحة A4 كاملة عند 200 dpi — ويُخرج نصًا. يمتلك النموذج اللغوي سياقًا بحجم 128K، لكن Cohere توضح أن التدريب متعدد الوسائط لم يُتحقق منه إلا حتى 8K. Apache 2.0، مفردات 262K، من 11 إلى 12 لغة.

تبدو هذه المواصفات متشابهة، لكنها ليست كذلك. سياق 128K هو سقف لعدد الرموز التي يمكن للنموذج الانتباه إليها. أما الإدخال بالدقة الأصلية فهو قرار بعدم تغيير حجم الصفحة من الأساس. وبالنسبة لفاتورة ممسوحة ضوئيًا تحتوي على جدول في الزاوية، فإن الثاني يهم أكثر من الأول.

أرقام المستندات، إذا قُرئت مع التحفظات المناسبة

في الاختبارات المعيارية التي تنشرها كلتا البطاقتين، يتصدر LFM3-VL-2B:

• DocVQA — LFM3-VL-2B 96.7 مقابل North Micro Vision Instruct 92.1.

• OCRBench — 86.3 مقابل 79.2.

• ChartQA — 92.7 مقابل 80.8.

• AI2D — يُبلغ North عن 77.5؛ ولا تنشر Liquid صفًا في AI2D قابلاً للمقارنة مباشرةً.

• RefCOCO-avg — 90.5 مقابل 73.2، رغم أن البطاقتين تصفان هذين المتوسطين بشكل مختلف بما يكفي ليكون الطرح إرشاديًا لا دقيقًا.

كل هذه النتائج مُبلّغ عنها من المورّدين، وعلى أُطر تقييم اختارها المورّدون، ومن دون إعادة إنتاج مستقلة لأي من النموذجين. الفجوة في DocVQA ضيقة بما يكفي بحيث يمكن لاختلاف في تنسيق المطالبة أن يغلقها. أما فجوة ChartQA، التي تبلغ نحو 12 نقطة، فمن غير المرجح أن تكون ضوضاء، وتتوافق فجوة OCRBench البالغة 7.1 نقاط مع نموذج دُرّب صراحةً على بيانات المستندات والمخططات مع إرفاق وضع استدلال.

الرقم المثير للاهتمام ليس في صفوف المستند. إنه MMMU، حيث يُسجّل LFM3-VL-2B نسبة 55.7 ويُسجّل North Micro Vision Instruct نسبة 32.9. هذا ليس فرقًا في الضبط؛ بل هو منتج مختلف. تقول بطاقة Cohere الخاصة إن النموذج ليس نموذج استدلال عمدًا، ولا يقوم باستدعاء الأدوات، ولا يشجّع على استخدام مُوجّهات النظام. إنه يقرأ الصفحات. وتدّعي بطاقة Liquid أن الاستدلال بمستوى الدراسات العليا أحد 62 فئة مقاسة. إذا كانت مهمتك "استخراج الإجماليات من هذه الفواتير الـ400"، فكلاهما يعمل. وإذا كانت مهمتك "تحديد ما إذا كانت هذه الفاتورة تنتهك السياسة"، فواحد فقط صُمّم لذلك.

حيث يصبح ادعاء 128K زلقًا

سياق LFM3-VL-2B البالغ 128K هو الرقم المنشور الأكثر سخاءً، لكن طول السياق لا يعني نفسه السياق متعدد الوسائط القابل للاستخدام. فلا تذكر البطاقة عدد رموز الصورة التي تستهلكها صفحة واحدة عند الدقة الأصلية، ولا تنشر حدًّا أقصى لعدد الإطارات في الفيديو. أما North Micro Vision Instruct فتنشر نوعًا معاكسًا من الأرقام: سياق لغوي بسعة 128K مع تدريب متعدد الوسائط جرى التحقق منه حتى 8K. وهذا إفصاح متحفظ، وهو أنفع من رقم أكبر دون ميزانية رؤية معلنة.

الاختبار العملي لأي من النموذجين هو نفسه: قِس عدد الرموز (tokens) لكل صفحة على مستنداتك الخاصة قبل أن تصمّم بناءً على نافذة سياق. نافذة بسعة 128K تتسع لأربع صفحات عند الدقة التي تستخدمها ليست سير عمل لمستندات بسعة 128K.

الترخيص هو القرار

Apache 2.0 هو Apache 2.0. يمكنك استخدام North Micro Vision Instruct تجاريًا عند أي حجم إيرادات، وتعديله، وإعادة توزيعه، واستضافته، بشرط الاحتفاظ بالإشعارات. هذا هو الاتفاق بأكمله، وبالنسبة لشركة ناشئة تبني منتج مستندات، فإنه يزيل فئة كاملة من المراجعة القانونية.

ترخيص LFM المفتوح الإصدار 1.0 ليس ذلك. فهو يعرّف الاستخدام التجاري على نطاق واسع — «أي استخدام للعمل لتحقيق منفعة تجارية مباشرة أو غير مباشرة أو مقابل تعويض مالي» — ويشترط في الترخيص أن يظل المرخَّص له دون حدّ إيرادات سنوية قدره 10 ملايين دولار. وفوق هذا الحد، فإن الاستخدام التجاري «غير مرخّص بموجب هذه الاتفاقية». أما المؤسسات غير الربحية المؤهلة فهي معفاة للأغراض غير التجارية والبحثية. ويُسمح بإعادة التوزيع مع الإسناد وإشعارات التغيير. لا يتضمن نص الترخيص الذي قرأناه أي قيد منفصل على الاستضافة، لذا فإن سقف الإيرادات، وليس حظر تقديم الخدمة، هو القيد.

ذلك السقف يُنتج محادثة محرجة. شركة تبلغ إيراداتها 9 ملايين دولار يمكنها إطلاق LFM3-VL-2B اليوم ثم تفقد الترخيص بمجرد أن تنمو. النموذج لا يتوقف عن العمل؛ بل الإذن هو الذي يتوقف. وبالنسبة لمنتج ذي خارطة طريق تمتد عامين، فهذا بند من بنود العناية الواجبة، وليس حاشية.

فجوة التبنّي إشارة بحد ذاتها

تم تنزيل North Micro Vision Instruct نحو 35,000 مرة منذ ظهور مستودعه في 10 أغسطس 2026. حصل LFM3-VL-2B على 255 عملية تنزيل و34 إعجابًا منذ 19 أكتوبر. شهران مقابل تسعة أيام يفسّران جزءًا من ذلك، لكن ليس كله: إعلان عائلة LFM3 في 27 أكتوبر كان منشورًا واحدًا في المدونة يغطي ستة نماذج، ولم يحصل نموذج الرؤية إلا على فقرة واحدة منه.

الإصدارات الهادئة ليست سيئة تلقائيًا. النموذج الذي لا يتضمن تسعيرًا عند الإطلاق، ولا مزوّدًا مستضافًا، ودعم أطر العمل فيه لا يزال قيد المراجعة، هو نموذج تقيّمه على عتادك الخاص، ويعني انخفاض عدد التنزيلات في الغالب أن أحدًا لم يفعل ذلك بعد. ويعني أيضًا عدم وجود تكميم مجتمعي، ولا متتبّع مشكلات مليء بالإصلاحات، ولا معيار تقييم من طرف ثالث يمكن الاعتماد عليه. يمتلك North Micro Vision الثلاثة جميعها.

كم تبلغ تكلفة كل واحد منها، بحسب ما قد يقوله أي شخص

لا ينشر أي من النموذجين سعر واجهة برمجة تطبيقات على بطاقته. يتاح North Micro Vision Instruct عبر منصة Cohere، وقد اعتمدته عدة جهات استضافة خارجية؛ أما LFM3-VL-2B فيتاح على Liquid's Playground وواجهة API دون جدول أسعار، ولا تُدرج Hugging Face أي مزوّد استدلال له. على العتاد المملوك، المقارنة هي 2.4 مليار معامل مقابل 1.92 مليار، أو نحو 4.8 غيغابايت مقابل 3.84 غيغابايت بصيغة BF16 — قريبان بما يكفي بحيث لا تكون تكلفة وحدة معالجة الرسومات هي عامل الحسم.

عامل الحسم تشغيلي. إذا استأجرت نموذج رؤية مستضافًا بدلًا من امتلاك أيٍّ من نقطتي التحقق، فإن OrcaRouter يمرّر سعر قائمة المزوّد كما هو دون أي هامش ربح (0%)، لذا يصبح تغيير سعر المورّد ساريًا لدينا في اليوم نفسه بدلًا من موعد تجديد العقد التالي. نحن لا نقدّم LFM3-VL-2B أو North Micro Vision Instruct اليوم، وهذا المقال لا يدّعي خلاف ذلك؛ الفكرة أن البديل المستضاف مسعّر بشفافية كافية لمقارنته بحسابات الاستضافة الذاتية الواردة أعلاه.

من الذي يجب أن يختار ماذا

اختر North Micro Vision Instructإذا كنت بحاجة إلى Apache 2.0، أو إذا أردت نموذجًا له شهران من الاستخدام المجتمعي، أو إذا كانت مستنداتك صفحات كاملة بالدقة الأصلية وتتوقف مهمتك عند الاستخراج. تقبّل أنه لن يستدل عبر الحقول المستخرجة.

اختر LFM3-VL-2B إذا كنت بحاجة إلى إدخال فيديو، أو وضع تفكير، أو مساعد بصري أوسع يقرأ المستندات جيدًا، وإذا كنت أقل بكثير من حد الإيرادات أو يمكنك التفاوض على ترخيص منفصل. تقبّل أنك من المتبنين الأوائل لنقطة تحقق ليس لها تقييم مستقل ودعم أطر عمل غير مكتمل.

لا تختر أياً منهما، مع ذلك، إذا كان سير عملك بحاجة إلى نقطة نهاية مستضافة مدفوعة مع عقد دعم. تتحسن الفئة الصغيرة ذات الأوزان المفتوحة بسرعة، لكن عند 255 تنزيلاً لم يخضع أحدث الوافدين لاختبار إجهاد من أي شخص خارج مختبره.